结构和功能连接体在不同抑郁现象型的分类准确性

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 计算生物学 计算生物学

背景情况:

• 大型抑郁症 (MDD) 诊断和神经成像相关性是不一致的,这是由于表型变异性和疾病异质性.
• 对于MDD诊断的机器学习应用程序面临着挑战,可能与不同患者亚组中不一致的神经成像发现有关.
• 儿童创伤 (CT) 是MDD的重要风险因素,影响大脑发育,并可能影响神经生物学差异.

研究的目的:

• 为了评估各种主要抑郁症 (MDD) 现型的结构和功能大脑连接体的分类准确性.
• 调查基于儿童创伤 (CT) 暴露的MDD分层是否可以提高使用神经成像数据的诊断分类准确性.
• 确定与不同MDD表型相关的关键预测神经成像特征,包括具有和没有CT史的人.

主要方法:

• 应用了物流回归来分类对照和MDD参与者 (N=14,507),使用六种不同的MDD定义.
• 分析了大脑连接组数据,包括六个结构和两个功能网络权重.
• 通过儿童创伤问卷 (CTQ) 得分来评估不同MDD表型的分类准确性,有或没有分层.

主要成果:

• 与结构连接体相比,功能连接体在分类MDD表型方面表现出优异的性能.
• 最高的分类准确度 (64.8%) 是通过使用功能连接组在目前抑郁症患者和CT病史中实现的.
• 患有或没有童年逆境的MDD患者之间的神经生物学差异被预测性特征重叠分析表明.
• 感官运动和视觉子网络被确定为各种MDD表型的显著预测因素.

结论:

• 功能性大脑连接体在分类主要抑郁症 (MDD) 现型方面比结构性连接体更有效.
• 通过儿童创伤暴露来分层MDD患者可以提高诊断分类的准确性.
• 感觉运动和视觉大脑子网络的改变可能代表MDD的潜在神经成像生物标志物.